CONTENTS · OWNER-CREATED WRITING
ปัญหาไม่ใช่ AI — แต่คือ Human-First Infrastructure
Context ที่กระจัดกระจายและระบบความรู้ที่ออกแบบเพื่อคนจำกัด AI-assisted Work อย่างไร
CORE ARGUMENT
AI ใช้ Decision ที่อยู่เพียงใน Meeting, Chat Fragment หรือความทรงจำอย่างน่าเชื่อถือไม่ได้ Context ที่ Recover และ Version ได้จึงเป็น Infrastructure
ตอนที่แล้วผมเล่าว่า throughput เพิ่มขึ้น แต่งานกลับเสร็จช้าลง คำถามคือ — ใครผิด?
คำตอบ: ไม่ใช่ AI และไม่ใช่คนทำงาน แต่คือ Infrastructure ที่เกิดมาแบบ Human-First — ระบบที่ออกแบบมาให้มนุษย์อ่าน มนุษย์จำ มนุษย์ส่งต่อกันปากเปล่า พอเอา AI เข้ามาทำงานด้วย มันจึงสะดุดทุกจุด
Context กระจัดกระจายแค่ไหน
- Logs และ Prompt เก่า ไม่ถูกเก็บ — บางส่วนอยู่บน Cloud หนึ่ง บางส่วนอยู่อีก Cloud
- งานที่เพื่อนทำ เราไม่มี Prompt ไม่มี Knowledge ไม่มีประวัติอะไรเลย
- DB Context มีไม่ครบทุกตัว ต้องเสียเวลาจัดเตรียมใหม่ทุกครั้งก่อนคุยกับ AI
โครงการที่เริ่มแบบ Human-First จะเจอแบบนี้แทบทั้งหมด ส่วนโครงการที่เริ่มแบบ AI-First ตั้งแต่วันแรก ปัญหาเหล่านี้ลดลงอย่างมหาศาล (ไม่ถึงกับศูนย์ — Supervision Tax ยังอยู่ — แต่คนละโลกกัน)
ปัญหาที่ต้องแก้ก่อนเป็นอันดับแรก: AI Logs ที่มนุษย์อ่านไม่รู้เรื่อง
AI เขียน log จาก reasoning ของมัน — มันอ่านของมันเข้าใจ แต่มนุษย์เปิดมาเจอตัวหนังสือเต็มไปหมด ไม่รู้ว่าอะไรเริ่มก่อนเริ่มหลัง ตอนนี้เรายังหา จุดตรงกลางระหว่าง machine-readable กับ human-scannable ไม่เจอ และนี่ควรเป็นสิ่งแรกที่ปรับ ก่อนคุยเรื่องอื่นทั้งหมด
AI-First หน้าตาเป็นยังไง
เก็บทุกอย่างตั้งแต่ Zero to Hero: Prompt + Tasks + Logs + ผล Analyze ก่อนดำเนินการ รวมถึงเอกสาร Knowledge ที่จัดระเบียบแล้ว, SQL Context, Code Logic, System Knowledge, Infrastructure, Stack และ Design Domain ทั้งหมดที่ AI ต้องใช้เป็นคลังความรู้
ถ้าส่วนนี้พร้อม เราแทบไม่ต้องอธิบายอะไรเลย — แค่ให้ AI ทำการ Analyze และ Review มันจะเข้าใจโครงสร้างได้ด้วย reasoning ของมันเอง แล้วถามกลับมาว่า ยังขาดข้อมูลตรงไหน ให้เราเติม และนำกลับไปอัปเดตคลังข้อมูล ทุกอย่างง่ายขึ้นทันที
Takeaway ของตอนนี้
ก่อนโทษ AI ว่าช้า ให้ถามก่อนว่า — เราให้มันทำงานบนโครงสร้างที่ออกแบบมาเพื่อใคร?
ตอนหน้า: Roadmap 6 ระดับ จาก Human-First สู่ AI-First แบบวางเป็นระบบ
EVIDENCE NOTE
Claim boundary
เนื้อหาหน้านี้นำมาจากไฟล์บทความต้นฉบับใน Information โดยคงลำดับเหตุผลและข้อจำกัดเดิม ไม่ได้อ้างว่าทุก Pattern ถูกใช้ใน Production และไม่สร้าง Metric เพิ่มจาก Source
